特征提取,一直以来都是数字图像处理领域的重要研究方向,而Hough变换就属于图像边界特征提取的一种重要方法,主要利用图像空间和参数空间的对偶性,对图像空间中的具有一定关系的像素点进行聚类,具有抗干扰、易于并行处理的特点,可广泛用于工程、医学等领域中。近年来,并行计算成为发展趋势,在各种各样的并行计算平台中,英伟达(NVIDIA)公司推出的基于GPU的统一设备架构平台CUDA,由于其充分利用了GPU的强大计算能力,实现了通用并行计算而受到研究者们的青睐。由此,本文根据Hough变换的适宜于并行的特点,提出了一种适用于CUDA架构的直线和圆检测算法,经过测试表明,对比于其他类似的算法,该算法在性能上有一定幅度的提升。本文首先对并行计算和特征提取的发展现状与前景进行介绍,然后详细展示了CUDA的编程模型,软硬件架构及其存储器层次结构。之后,分别对Hough变换检测直线、圆的原理进行介绍,设计了一种适用于CUDA并行平台的Hough变换检测直线、圆的算法,并通过硬件平台完成了两个算法并行实现。进而,根据CUDA并行平台的特点,通过一系列策略对算法进行了性能优化。最后,本文对Hough变换检测直线、圆这两种算法进行了详尽的实验,证明了Hough变换抗干扰性的特点以及CUDA架构在大规模并行计算上的优势。